陇西 网站开发,鞍山建设信息网站,贵阳网站建设制作价格,如何用自家电脑做网站服务器YOLOv8训练自己的目标检测数据集 目录标题 源码下载环境配置安装包训练自己的数据集数据集文件格式数据集文件配置超参数文件配置训练数据集命令行训练脚本.py文件训练 进行detect显示detect的效果 源码下载
YOLOv8官方的GitHub代码#xff0c;同时上面也有基础环境的配置要…YOLOv8训练自己的目标检测数据集 目录标题 源码下载环境配置安装包训练自己的数据集数据集文件格式数据集文件配置超参数文件配置训练数据集命令行训练脚本.py文件训练 进行detect显示detect的效果 源码下载
YOLOv8官方的GitHub代码同时上面也有基础环境的配置要求以及代码运行的教程。下载后的源码文件名应该是ultralytics-main。
环境配置
这里可参考YOLOv5YOLO v7的代码环境配置。
安装包
需要额外的安装一些包因为后面需要用到。
pip install ultralytics训练自己的数据集
数据集文件格式 数据集文件格式是txt的yolo格式整体数据集文件格式如下: 同时images下的文件格式如下: train(训练集图片)val(测试集图片)test(测试集图片) 同时labels下的文件格式如下: train(训练集图片对应的标签)val(测试集图片对应的标签)test(测试集图片对应的标签) 整体数据集格式文件如下 ├── linhuo │ ├── images │ │ ├── train │ │ ├── val │ │ ├── test │ ├── labels │ │ ├── train │ │ ├── val │ │ ├── test
数据集文件配置
数据集文件配置的位置如下
ultralytics-main/ultralytics/cfg/datasets/在该文件下创建数据自己数据集文件配置的yaml文件这是我创建自己数据集配置的yaml文件。同时yaml文件内要说明以下内容: 索引到数据集文件images下的train、val数据集标注的类别数目数据集标注的类别名称如我的数据集只有1类, 标注类别是fire 超参数文件配置
超参数文件配置的路径:
ultralytics-main/ultralytics/cfg/default.yaml具体的超参数说明可以看看网上的教程这里主要配置modeldatapatience。 model: 可以配置yolov8n.pt, yolov8n.yaml(这里填写配置yolov8n.pt, yolov8n.yaml的具体路径)如果配置yolov8n.yaml需要将类别数目改为1。 model: ./weights/yolov8n.pt # (str, optional) path to model file, i.e. yolov8n.pt, yolov8n.yamldata: 这里是填写数据集文件配置的地址。 data: ultralytics/cfg/datasets/linhuo.yaml # (str, optional) path to data file, i.e. coco128.yamlpatience: epochs to wait for no observable improvement for early stopping of training(就是多少次没有训练一个好的结果就会提前停止训练)。 训练数据集
命令行训练 taskdetect目标检测modetrain训练模式modelyolov8n.pt模型预训练权重的地址我是默认放到ultralytics-main目录下 yolo taskdetect modetrain modelyolov8n.pt dataultralytics/cfg/datasets/linhuo.yaml batch16 epochs500脚本.py文件训练 新建立一个python脚本文件 mytrain.py 代码为直接运行即可。
from ultralytics import YOLO
# 权重网络模型加载权重模型
model YOLO(ultralytics/cfg/models/v8/yolov8.yaml).load(./weights/yolov8n.pt) # build from YAML and transfer weights# Train the model: 数据集配置yaml
results model.train(dataultralytics/cfg/datasets/linhuo.yaml, epochs500, batch16)进行detect 新建立一个python脚本文件 mypre.py上面图片有 from ultralytics import YOLO
model YOLO(runs/detect/train/weights/best.pt)# 检测的图片的路径
source ultralytics/assets/2708.jpg# 预测结果
results model.predict(source, saveTrue)显示detect的效果
